Verwendung von Millimeterwellenradar-Kits zur schnellen Entwicklung von Designs zur präzisen Objekterkennung

Von Stephen Evanczuk

Zur Verfügung gestellt von Nordamerikanische Fachredakteure von Digi-Key

Der Wettbewerb setzt Entwickler fortwährend dem Druck aus, immer kleinere und exaktere Bewegungssensoren mit größerer Erkennungsreichweite zu implementieren, deren Anwendungsbereiche von intelligenten Gebäuden über die Anlagenautomatisierung bis hin zur Transportindustrie und zu Drohnen reichen. Obwohl die Millimeterwellentechnologie (mmWave-Technologie) als Option zur Bewegungserkennung immer attraktiver wird, empfinden Entwickler, die noch nicht lange mit dieser Technologie arbeiten, das zugrunde liegende Radar-Front-End und die Hochleistungssignalkette als Herausforderung.

Um diesen Problemen entgegenzuwirken, werden inzwischen mmWave-Komponenten und die zugehörigen Entwicklungskits angeboten, die Entwicklern die rasche Bereitstellung ausgeklügelter und präziser Bewegungserkennungssysteme ermöglichen.

In diesem Artikel wird die zunehmende Bedeutung von Bewegungserkennungssystemen behandelt. Außerdem wird erläutert, warum mmWave eine gute Option in Bezug auf Reichweite und Genauigkeit darstellt. Anschließend wird ein geeignetes Kit vorgestellt und auf seine Inbetriebnahme eingegangen.

Die zunehmende Bedeutung der Bewegungserkennung

Die Bewegungserkennung hat in einer Vielzahl von Anwendungen zunehmend an Bedeutung gewonnen. Neben ihrer Rolle als Komfortfunktion in intelligenten Gebäuden und Smart-Home-Produkten stellt sie eine wichtige Sicherheitsfunktion in der Automobiltechnik und industriellen Anwendungen dar. Bei immer mehr Anwendungen sind höhere Reichweite und Genauigkeit von entscheidender Bedeutung, wodurch herkömmliche Methoden mit passiven Infrarotsensoren oder ToF-Systemen (Time-of-Flight, Laufzeitmessung) ausgeschlossen werden.

Aus diesem Grund hat die mmWave-Sensortechnologie mit frequenzmoduliertem Dauerstrichradar zunehmend an Beachtung gewonnen. Der Einsatz von Signalen mit kurzer Wellenlänge ermöglicht dabei die Erkennung von Objekten mit einer Genauigkeit im Submillimeterbereich. Sie kann außerdem Materialien wie Kunststoff, Trockenbauwände und Kleidung durchdringen und dabei trotz rauer Umgebungsbedingungen wie Regen, Nebel, Staub und Schnee ihren hohen Leistungspegel aufrechterhalten.

Die stark gebündelten mmWave-Energiestrahlen können fokussiert und gelenkt werden, um für eine extrem präzise Erkennung von Objekten zu sorgen und mehrere Objekte zu verfolgen, die sich in unmittelbarer Nähe zueinander bewegen.

Funktionsweise der mmWave-Technologie

Die Details zur Verarbeitung von mmWave-Radarsignalen würden den Umfang dieses Artikels sprengen. Es sei jedoch gesagt, dass das Prinzip der Erkennung auf einem vertrauten Konzept basiert, das die Reflektion von Energie durch ein Objekt mit einschließt. Bei linearen FMCW-Radaren handelt es sich bei dieser Energie um einen Millimeterwellenton, der als Chirp bezeichnet wird und der seine Frequenz linear mit der Zeit ändert. Nachdem das Radarsystem einen Chirp erzeugt und ausgesendet hat, wird das von einem Objekt reflektierte Chirp-Signal erfasst und an einen Mischer weitergeleitet. Der Mischer kombiniert die RX- und TX-Signale, um ein Zwischenfrequenzsignal (ZF-Signal) zu erzeugen.

Die Verzögerung zwischen dem Aussenden des Chirps und dem Erfassen des reflektierten Signals wird verwendet, um den Abstand zwischen den Antennen des Radarsystems und einem Objekt zu berechnen. Falls das Radarsystem innerhalb eines einzigen Beobachtungsfensters (oder Frames) mehrere Chirp-Signale erzeugt, kann es die Geschwindigkeit eines Objekts ermitteln, indem es die Phasendifferenz der entsprechenden reflektierten Chirps misst. Falls mehrere Empfänger verwendet werden, kann das Radarsystem außerdem den relativen Einfallswinkel zwischen Radarsystem und Objekt bestimmen. Mit denselben Prinzipien und komplexeren Berechnungen kann ein Hochleistungsradarsystem mehrere Ziele verfolgen, die sich mit unterschiedlichen Geschwindigkeiten und auf verschiedenen Flugbahnen bewegen.

Das Design eines Systems, das diese Operationen ausführen kann, vereint in sich HF-, analoge und digitale Subsysteme (Abbildung 1). Als Bestandteil der Ausgangssignalkette des Systems erzeugt ein HF-Signalgenerator das Chirp-Signal für die Übertragung. In der ersten Stufe der Eingangssignalkette des Systems kombiniert ein HF-Mischer das erzeugte Chirp-Signal mit dem reflektierten Chirp-Signal, um ein ZF-Signal zu erzeugen. In den folgenden analogen Stufen erzeugen ein Tiefpassfilter und ein Analog-Digital-Wandler (ADC) einen digitalen Datenstrom zur Signalverarbeitung mittels einer schnellen Fourier-Transformation (FFT) und weiteren Algorithmen.

Schaltbild eines typischen mmWave-Sensordesigns mit frequenzmoduliertem Dauerstrichradar

Abbildung 1: In einem typischen mmWave-Sensordesign mit frequenzmoduliertem Dauerstrichradar kommen hochintegrierte HF-, analoge und digitale Subsysteme zum Einsatz, um einen präzise gesteuerten Energieschub – ein sogenanntes Chirp-Signal – auszusenden und das reflektierte Signal zu verarbeiten, um die Entfernung, die Geschwindigkeit und den relativen Winkel von Objekten aufzulösen. (Bildquelle: Texas Instruments)

Diese grundlegende Architektur gilt für ein typisches FMCW-Radarsystem. Die speziellen Merkmale seines Designs sind jedoch von den Anforderungen auf Anwendungsebene bezüglich maximaler Erkennungsreichweite, Reichweitenauflösung, Winkelauflösung und anderen Dingen abhängig. So ist beispielsweise die maximale Erkennungsreichweite proportional zur ZF und umgekehrt proportional zur Frequenzflanke. Somit erfordern Anwendungen mit hoher Reichweite (z. B. ein adaptiver Abstandsregeltempomat) ein Design, das eine hohe ZF unterstützt und ein Chirp-Signal mit einem schnellen Frequenzdurchlauf erzeugt.

Zur Optimierung der Radarleistung müssen Entwickler außerdem eine Vielzahl weiterer Designmerkmale beachten, unter anderem die TX-Ausgangsleistung, die RX-Empfindlichkeit und -Rauschzahl, die Antennenverstärkung (RX, TX) sowie das Signal-Rausch-Verhältnis des reflektierten Signals. Außerdem bringt jede Anwendung durch eine einzigartige Kombination verschiedener Faktoren komplexe Anforderungen mit sich, die sich gegenseitig bedingen und von den Entwicklern berücksichtigt werden müssen.

Mit der mmWave-Plattform von Texas Instruments sind viele der Herausforderungen hinsichtlich Design und Konfiguration von Radarsystemen für die Entwickler leichter zu meistern.

Einzelchip-mmWave-Lösung

Die mmWave-Lösung von Texas Instruments vereint mmWave-ICs und eine umfassende Softwareumgebung, durch die sich die Implementierung von mmWave-basierten Bewegungserkennungsanwendungen erheblich vereinfachen lässt. Industrielle mmWave-Komponenten wie der IWR1443 und der IWR1642 von Texas Instruments integrieren sämtliche HF-, analogen und digitalen Subsysteme, die für Erzeugung, Aussendung, Empfang und Verarbeitung von FMCW-Radarsignalen erforderlich sind. Diese Komponenten kombinieren ein vergleichbares HF-/Analog-Front-End mit einem ausgeklügelten digitalen Subsystem (Abbildung 2). Innerhalb dieser Front-End-Architektur integrieren diese Komponenten ein vollständiges FMCW-Transceiversystem für das 76- bis 81-GHz-Band mit vier dedizierten RX-Signalpfaden und mehreren TX-Kanälen (drei beim IWR1443 und zwei beim IWR1642).

Schaltbild der mmWave-Komponenten IWR1443 und IWR1642 von Texas Instruments

Abbildung 2: Die mmWave-Komponenten IWR1443 und IWR1642 von Texas Instruments basieren auf einer vergleichbaren Front-End-Architektur und bieten vier separate RX-Kanäle und mehrere TX-Kanäle (drei beim IWR1443 und zwei beim IWR1642). (Bildquelle: Digi-Key Electronics, basierend auf Ausgangsmaterial von Texas Instruments)

Für ihr digitales Subsystem verwenden beide Komponenten einen Arm® Cortex®-R4F-Prozessorkern, der als Komponenten-Host im Hauptsteuersystem fungiert, das für Peripheriebausteine, Firmware-Updates, das Booten und weitere Host-Funktionen zuständig ist. Mit seinem integrierten ROM und Programm-/Datenspeicher nimmt dieses Hauptsteuersystem eine primäre Rolle ein, indem es den mmWave-Komponenten von TI den autonomen Betrieb innerhalb eines größeren Systemdesigns ermöglicht.

Für ihr integriertes Subsystem zur Radarsignalverarbeitung verwenden beide Komponenten eine vergleichbare Architektur, die um einen 128-Bit-Bus mit 200 Megahertz (MHz) herum aufgebaut ist. Dieser Bus ermöglicht hohe Durchsatzraten zwischen freigegebenen Speicherressourcen wie ADC-Puffern, dem L3-Datenspeicher des Radars, dem Cache und dem Speicher zur Kommunikation mit dem Host des Hauptspeichersystems. Ebenfalls mit diesem Bus verbundene EDMA-Module (Enhanced DMA) ermöglichen prozessorunabhängige Übertragungen, um die Datenübertragung in den verschiedenen Stufen der Verarbeitung zu beschleunigen.

Für das Subsystem zur Verarbeitung des Radarsignals verwenden der IWR1443 und der IWR1642 jeweils unterschiedliche Ansätze. Der IWR1443 beinhaltet einen speziellen Beschleuniger, der die Berechnung der FFT sowie weitere der Verarbeitung des Radarsignals zugrunde liegende Berechnungen beschleunigt (Abbildung 3). Des Weiteren dient ein separater Arm Cortex-R4F-Prozessor (Radarsystem) als dedizierter Host für die Front-End-Konfiguration, die Steuerung der Radarsubsysteme und die Kalibrierung.

Schaltbild der mmWave-Komponente IWR1443 von Texas Instruments

Abbildung 3: Neben dem HF- und dem Analog-Front-End umfasst die mmWave-Komponente IWR1443 von Texas Instruments ein digitales Subsystem mit einem Hauptsteuersystem auf Basis eines Arm Cortex-R4F-Prozessors, ein separates Radarsystem auf Basis eines Arm Cortex-R4F sowie einen FFT-Beschleuniger zur Beschleunigung der Verarbeitung des Radarsignals. (Bildquelle: Texas Instruments)

Zur Verarbeitung des Radarsignals kommt im IWR1642 ein C674x DSP-Kern von Texas Instruments zum Einsatz (Abbildung 4). Der speziell zur Verarbeitung von FMCW-Signalen konzipierte DSP im IWR1642 arbeitet mit einer Taktrate von 600 MHz. Unterstützt wird er von einem Programm-Cache der Ebene 1 (L1P-Cache) sowie einem Daten-Cache der Ebene 1 (L1d-Cache) mit jeweils 32 KB und seinem kombinierten Programm-/Daten-Cache der Ebene 2 zur Beschleunigung der DSP-Operationen. Falls erforderlich können Entwickler den IWR1642 ausschließlich zur Verarbeitung des Radarsignals verwenden.

Schaltbild der mmWave-Komponente IWR1443 von Texas Instruments

Abbildung 4: Neben dem HF- und dem Analog-Front-End umfasst die mmWave-Komponente IWR1443 von Texas Instruments ein digitales Subsystem mit einem Arm Cortex-R4F als Hauptprozessor und einen C674x DSP-Core von Texas Instruments zur Radarsignalverarbeitung. (Bildquelle: Texas Instruments)

HIL-Module (Hardware-in-the-Loop), die in die Hauptsteuerung und die Radarsubsysteme integriert sind, ermöglichen den Entwicklern die Nutzung der Eingänge des DMM-Moduls der Komponente, um das HF-Front-End zu umgehen und rohe Radardaten zur Signalverarbeitung in den IWR1642 zu laden.

Verarbeitungskette des Radarsignals

Obwohl es von den besonderen Anforderungen jeder einzelnen Anwendung abhängt, ob die Wahl auf den Hardwarebeschleuniger des IWR1443 oder den C674x DSP-Kern des IWR1642 fällt, ist der Betrieb der ausgewählten Komponente in einer Anwendung für die meisten Entwickler weitgehend klar. In der Architektur der mmWave-Lösung von Texas Instruments kann die mmWave-Softwareumgebung von TI die Ressourcen beider Komponenten nutzen, um Funktionsmodule (sogenannte Datenverarbeitungseinheiten bzw. DPUs) auszuführen. Diese Module sind zuständig für einzelne Datentransformationen, wie sie in der Verarbeitung von Radarsignalen vorkommen. Die mmWave-DPUs von TI bieten unter anderem folgende Kernfunktionen:

  • Entfernungs-FFT: Diese Funktion liest Chirp-Daten während des Erfassungszeitraums innerhalb des aktiven Frames, um die eindimensionale FFT zu erzeugen, die zur Entfernungsberechnung und zur Erzeugung des Radardatenwürfels verwendet wird. Hierbei handelt es sich um eine dreidimensionale (3D) Matrix aus Entfernungs-, Chirp- und Antennendaten, die im dedizierten L3-Radardatenspeicher gespeichert sind.
  • Entfernung von statischen Störungen: Diese Funktion subtrahiert den Mittelwert der Proben vom Probensatz.
  • Doppler-FFT: Diese Funktion führt FFT-Berechnungen im zweidimensionalen Raum durch, um den Radardatenwürfel zwischen den Frames zu verfeinern. Sie erzeugt außerdem die Detektionsmatrix, die von Algorithmen zur Objekterkennung mittels Radarsignalen verwendet wird.
  • CFAR: Diese Funktion führt den Algorithmus für die konstante Falschalarmrate aus, der üblicherweise zur Objekterkennung verwendet wird.
  • CA-CFAR: Diese Funktion kombiniert das Modul für den Einfallswinkel und das CFAR-Modul, um den CA-CFAR-Algorithmus zu implementieren, der von Radarsystemen zur Erkennung von Objekten vor verrauschten Hintergründen verwendet wird.
  • Zusätzliche DPUs für Clustering, Gruppenverfolgung und Klassifizierung ermöglichen weitere anwendungsspezifische Verfeinerungen der Radarsignaldaten.

Mit dem mmWave-SDK (Software Development Kit) von TI nutzen Entwickler Aufrufe der Anwendungsprogrammierschnittstelle (API) des Data Path Manager (DPM), um verschiedene DPUs in die erforderliche DPC (Detection/Data Processing Chain) zu integrieren. Die Implementierung einer DPC zur Objekterkennung etwa (Abbildung 5) erfordert lediglich einige grundlegende Aufrufe, wie aus dem Beispielcode ersichtlich ist, der im mmWave-SDK von Texas Instruments enthalten ist (Listing 1).

Schaltbild einer typischen Verarbeitungskette zur Objekterkennung

Abbildung 5: Eine typische Verarbeitungskette zur Objekterkennung kombiniert separate Datenverarbeitungseinheiten (DPUs), die Funktionen zur Radarsignalverarbeitung ausführen, unter anderem Entfernungsberechnungen mittels FFT während des Erfassungszeitraums sowie weitere Datentransformationen zwischen den einzelnen Frames. (Bildquelle: Texas Instruments)

Kopieren
    for(i = 0; i < RL_MAX_SUBFRAMES; i++)
    {
        subFrmObj = &objDetObj->subFrameObj[i];
 
        subFrmObj->dpuRangeObj = DPU_RangeProcHWA_init(&rangeInitParams, errCode);
 
        if (*errCode != 0)
        {
            goto exit;
        }
 
        subFrmObj->dpuStaticClutterObj = DPU_StaticClutterProc_init(errCode);
 
        if (*errCode != 0)
        {
            goto exit;
        }
 
        subFrmObj->dpuCFARCAObj = DPU_CFARCAProcHWA_init(&cfarInitParams, errCode);
 
        if (*errCode != 0)
        {
            goto exit;
        }
        
        subFrmObj->dpuDopplerObj = DPU_DopplerProcHWA_init(&dopplerInitParams, errCode);
 
        if (*errCode != 0)
        {
            goto exit;
        }
 
        subFrmObj->dpuAoAObj = DPU_AoAProcHWA_init(&aoaInitParams, errCode);
 
        if (*errCode != 0)
        {
            goto exit;
        }
    } 

Listing 1: Im mmWave-SDK von Texas Instruments enthaltener Beispielcode wie dieses Snippet zeigen das grundlegende Designmuster zur Erstellung einer DPC durch das Hinzufügen verschiedener DPUs zu einer ObjDetObj-Struktur. (Codequelle: Texas Instruments)

Softwareservices innerhalb der mehrschichtigen Softwareumgebung implementieren DPUs automatisch über das DSP-Subsystem (DSS), das Master-Subsystem (MSS) und den Beschleuniger bzw. eine Kombination hiervon (Abbildung 6). Auf der Anwendungsebene verwenden Entwickler die mmWave-API für den Zugriff auf DPU-Ergebnisse von einer vollständig konfigurierten DPC aus. Über die mmWaveLink-API können Sie aber auch direkt auf das mmWave-Front-End zugreifen.

Schaltbild einer mmWave-Umgebung von Texas Instruments (zum Vergrößern klicken)

Abbildung 6: Die mmWave-Umgebung von Texas Instruments bietet mehrere Anwendungsprogrammierschnittstellen (APIs), mit denen die Entwicklung von Anwendungen zur Bewegungserkennung mithilfe von Radarsystemen vereinfacht wird. (Bildquelle: Texas Instruments)

Einer der wichtigsten Dienste, der von der mmWaveLink-API für eine bestimmte Anwendung bereitgestellt wird, ist die Konfiguration der internen Timing-Engine, die FMCW-Chirps und Chirp-Frames erzeugt. Wie bereits erwähnt sind die Eigenschaften von Chirp und Chirp-Frame ausschlaggebend für die Leistungsfähigkeit bei der Objekterkennung. Praktische Einschränkungen sorgen jedoch dafür, dass bestimmte Leistungseinstellungen wiederum zu Einschränkungen bei anderen Einstellungen führen.

Ein Beispiel: Da die maximale Erkennungsreichweite umgekehrt proportional zur Frequenzflanke ist, müssen Entwickler die Frequenzflanke minimieren, um eine hohe Erkennungsreichweite zu erhalten. Dies hat Auswirkungen auf die Bandbreite des Frequenzdurchlaufs des Chirp-Signals, was wiederum zu einer geringeren Auflösung führt, da die Auflösung der Erkennungsreichweite proportional zu dieser Bandbreiteneigenschaft ist. In der Tat stellen optimierte Spezifikationen für Chirp-Signal und Chirp-Frame einen entscheidenden Faktor beim Radardesign dar, weswegen Entwickler eine Vielzahl von Chirp-Eigenschaften aufeinander abstimmen müssen (Abbildung 7).

Diagramm: Reichweite und Auflösung der Objekterkennung

Abbildung 7: Reichweite und Auflösung bei der Objekterkennung hängen stark von den Eigenschaften des übertragenen Chirp-Signals ab. Aus diesem Grund müssen Entwickler die Einstellungen bei der Konfiguration des Chirp-Signalgenerators sorgfältig optimieren. (Bildquelle: Texas Instruments)

Neben dem online verfügbaren Tool mmWave Sensing Estimator zur Auswertung der Chirp-Einstellungen für das Chirp-Signal bietet Texas Instruments eine umfassende Chirp-Datenbank mit empfohlenen Chirp-Konfigurationen für bestimmte Anwendungsfälle an, die sogenannte Industrial mmWave Toolbox. Entwickler finden dort Referenzdesigns und Beispielcode, die Anwendungen von der hochauflösenden Gestenerkennung bis hin zur Verkehrsüberwachung mit hoher Reichweite abdecken. Die auf mmWave BoosterPacks aufbauenden Beispielanwendungen ermöglichen Entwicklern die schnelle Auswertung der mmWave-Leistung und die Erweiterung der Referenzdesigns entsprechend den Anforderungen ihrer eigenen Anwendungen. Für eine Gestensteuerung beispielsweise können Entwickler ein Evaluierungsmodul (EVM) IWR1443 BoosterPack (IWR1443BOOST) über einen USB-Anschluss mit ihrem Windows-PC verbinden, die fertige Firmware hochladen und die Erkennung komplexer Gesten, z. B. die Drehung eines Fingers, genauer untersuchen (Abbildung 8).

Bild: EVM IWR1443BOOST von Texas Instruments und verfügbarer Beispielcode

Abbildung 8: Mit einem EVM IWR1443BOOST von Texas Instruments und verfügbarem Beispielcode können Entwickler Anwendungsmöglichkeiten der mmWave-Technologie zur dynamischen, hochauflösenden Gestenerkennung erkunden (z. B. bei der Steuerung eines Bildgebungssystems per Fingerdrehung). (Bildquelle: Texas Instruments)

Für die Gestenerkennung kann das EVM IWR1443BOOST als alleinige Hardwareplattform verwendet werden. In anderen Beispielen demonstriert Texas Instruments die Verwendung eines mmWave BoosterPack in Kombination mit seinen LaunchPad-Entwicklungskits. Eine Anwendung zur Personenverfolgung etwa kombiniert ein EVM IWR1642BOOST mit einem Wireless-MCU-LaunchPad LAUNCHXLCC1352R1, um die Erkennung und Verfolgung von Personen über ein entfernt bereitgestelltes Radarsystem zu demonstrieren. Dieses Referenzdesign zeigt, inwiefern unterschiedliche Chirp-Einstellungen zur Erhöhung der maximalen Reichweite zu Lasten der Auflösung gehen (Abbildung 9).

Parameter Case-1, 6 m (MIMO), Konferenzraum Case-2, 5 m (MIMO), Aufzug Case-2, 14 m (MIMO), Büroraum Case-4, 14 m (MIMO), Flur Case-5, 50 m (MIMO), Außenbereich
Gerätetyp IWR1642 IWR1642 IWR1642 IWR1642 IWR1642
Maximale Reichweite (m) 5,6 5,6 14 14 50
Reichweitenauflösung (m) 0,049 0,049 0,12 0,12 0,49
Maximale Geschwindigkeit (km/h) 19,057 19,057 18,9 18,9 28,06
Geschwindigkeitsauflösung (km/h) 0,297 0,297 0,297 0,297 0,449
Insgesamte Sweep-Bandbreite (MHz) 3.061,22 3.720 1.250 1.250 361,3
Aktualisierungsrate (Hz) 20 20 20 20 30
Radarwürfelgröße (KB) 512 512 512 512 512
Verarbeitungskette Personenzählung Personenzählung Personenzählung Personenzählung Verkehrsüberwachung

Abbildung 9: Eine mmWave-Beispielanwendung von Texas Instruments bietet mehrere Chirp-Konfigurationen, anhand derer Entwickler die Beziehung zwischen Chirp-Eigenschaften und der Erkennungsleistung studieren können. (Bildquelle: Texas Instruments)

Fazit

Die Millimeterwellentechnologie bietet hinsichtlich Reichweite und Genauigkeit Vorteile, die weit über die mit früheren Methoden erreichbaren Ergebnisse hinausgehen. Diverse Herausforderungen für die Entwickler auf Hardware- und Softwareebene haben die Bereitstellung dieser Technologie jedoch eingeschränkt. Die Verfügbarkeit von mmWave-Komponenten, Entwicklungstools und einer umfassenden Softwareumgebung von Texas Instruments haben die Implementierung ausgeklügelter Anwendungen zur Objekterkennung und -verfolgung mithilfe der mmWave-Technologie jedoch erheblich erleichtert.

Haftungsausschluss: Die Meinungen, Überzeugungen und Standpunkte der verschiedenen Autoren und/oder Forumsteilnehmer dieser Website spiegeln nicht notwendigerweise die Meinungen, Überzeugungen und Standpunkte der Digi-Key Electronics oder offiziellen Politik der Digi-Key Electronics wider.

Über den Autor

Stephen Evanczuk

Stephen Evanczuk hat mehr als 20 Jahre Erfahrung im Schreiben für und über die Elektronikindustrie zu einem breiten Spektrum von Themen wie Hardware, Software, Systeme und Anwendungen einschließlich des IoT. Er promoviertein Neurowissenschaften über neuronale Netzwerke und arbeitete in der Luft- und Raumfahrtindustrie an massiv verteilten sicheren Systemen und Methoden zur Beschleunigung von Algorithmen. Derzeit, wenn er nicht gerade Artikel über Technologie und Ingenieurwesen schreibt, arbeitet er an Anwendungen des tiefen Lernens (Deep Learning) zu Erkennungs- und Empfehlungssystemen.

Über den Verlag

Nordamerikanische Fachredakteure von Digi-Key